發(fā)布時間：2020-06-07 10:33

【摘要】：目前,肺癌是全世界范圍內(nèi)發(fā)病率和死亡率最高的惡性腫瘤之一,嚴重威脅著人類健康和生命安全。大量的臨床實踐表明,早發(fā)現(xiàn)、早診斷、早治療是降低肺癌死亡率和提高5年幸存率的最有效手段之一。肺癌早期主要是以肺結(jié)節(jié)形式表現(xiàn)出來,因此肺結(jié)節(jié)的早期診斷對肺癌早期診治十分重要。近年來,隨著計算機技術(shù)和醫(yī)學(xué)影像學(xué)技術(shù)的飛速發(fā)展,惡性肺結(jié)節(jié)計算機輔助診斷(Computer-Aided Diagnosis,CAD)已經(jīng)逐漸成為研究熱點之一,具有很高的臨床應(yīng)用價值。CAD不僅可以減輕臨床醫(yī)生的工作負擔(dān),還可以提高對肺結(jié)節(jié)良惡性鑒別診斷的準確率,降低漏診或誤診的風(fēng)險。本文通過深入研究和分析了現(xiàn)有的惡性肺結(jié)節(jié)CAD的關(guān)鍵技術(shù),提出了一系列的改進算法。本文主要的研究貢獻如下:(1)針對磨玻璃型結(jié)節(jié)(Ground Glass Opacity,GGO)由于存在邊界模糊、形狀不規(guī)則、結(jié)節(jié)內(nèi)灰度分布不均勻及對比度低等因素干擾而造成分割準確率低的問題,本文通過對傳統(tǒng)的隨機游走分割算法進行了深入研究,提出了一種改進的隨機游走磨玻璃型結(jié)節(jié)分割算法。為了對肺結(jié)節(jié)進行增強,本文結(jié)合了Hessian矩陣的特征值和形狀指數(shù),提出了一種新穎的多尺度圓形濾波器。為了自動地獲取肺結(jié)節(jié)內(nèi)的種子點,本文對增強的GGO肺結(jié)節(jié)進行閾值化,獲取了肺結(jié)節(jié)內(nèi)的種子點。本文結(jié)合了形狀指數(shù)和紋理特征,獲取了背景內(nèi)的種子點。為了解決傳統(tǒng)隨機游走算法中僅采用灰度信息而造成分割準確性低的問題,本文將肺結(jié)節(jié)的灰度、Gabor紋理特征和空間位置信息結(jié)合起來,構(gòu)造了一個新的加權(quán)函數(shù),更有效地衡量了無向加權(quán)圖中8-鄰域頂點之間的相似性關(guān)系。本文將標簽限制能量項引入到隨機游走的能量函數(shù)中,有效地使用了初始的種子點標簽信息,從而提高了對磨玻璃型肺結(jié)節(jié)分割的準確性和效率。(2)本文深入研究了傳統(tǒng)構(gòu)圖方法,指出了其存在參數(shù)選擇困難和噪聲敏感性等問題,在稀疏表示算法理論基礎(chǔ)上,提出了一種基于稀疏表示和隨機游走磨玻璃型結(jié)節(jié)分割算法。為了對肺結(jié)節(jié)進行增強,本文結(jié)合了形狀指數(shù)及曲率,提出了一種新多尺度圓形濾波器。本文采用測地距離法選取了初始結(jié)節(jié)內(nèi)的種子點,并提出了一種局部搜索策略來自動地獲取了背景內(nèi)的種子點和其他結(jié)節(jié)內(nèi)的種子點。為了更好地衡量鄰域頂點之間的相似性關(guān)系,本文構(gòu)造了8-鄰域的加權(quán)函數(shù)和稀疏k-近鄰(k-Nearest Neighbors,k-NN)的加權(quán)函數(shù),有效地避免了噪聲干擾所引起的偽相似。最后,本文定義了一個隨機游走的新能量函數(shù),包括8-鄰域數(shù)據(jù)懲罰項、稀疏k-NN數(shù)據(jù)懲罰項和標簽限制項。實驗結(jié)果表明,該算法進一步提高了對磨玻璃型肺結(jié)節(jié)分割的準確性和效率。(3)本文通過對肺結(jié)節(jié)特征提取和良惡性分類問題進行了研究,指出了其存在的局限性,提出了基于放射影像組學(xué)和隨機森林肺結(jié)節(jié)良惡性分類算法。為了解決特征提取不全面的問題,本文采用了放射影像組學(xué)方法,挖掘了高維的結(jié)節(jié)灰度特征、幾何形態(tài)特征和紋理特征,從而全面地表征了肺結(jié)節(jié)的特性。本文聯(lián)合了灰度共生矩陣、局部二值模式和Gabor濾波器對肺結(jié)節(jié)進行了紋理特征提取,更好地描述了良性和惡性肺結(jié)節(jié)紋理的差異性。為了解決單一分類器分類準確率低、穩(wěn)定性差等問題,本文提出了一種基于KL變換的隨機森林預(yù)測模型,將各個決策樹KL加權(quán)投票作為最終輸出的分類結(jié)果。實驗結(jié)果表明,該算法提高了對肺結(jié)節(jié)良惡性分類的準確性和穩(wěn)定性。(4)針對標記訓(xùn)練樣本不足而造成分類準確率低的問題,本文研究了半監(jiān)督學(xué)習(xí)和標簽傳播算法,指出其存在噪聲敏感和樣本間的局部信息缺乏等問題,提出了基于迭代的標簽傳播肺結(jié)節(jié)良惡性分類算法。為了更好地捕捉樣本間的連接關(guān)系,本文使用k-NN方法來構(gòu)建了一個k-NN的無向加權(quán)圖。為了有效地衡量鄰域樣本數(shù)據(jù)間的相似性關(guān)系,本文利用測地距離代替歐式距離來定義了一個加權(quán)函數(shù)。最后,本文考慮了k-NN其他樣本數(shù)據(jù)的標簽信息對未標記樣本數(shù)據(jù)標簽的影響,定義了一個標簽傳播的代價函數(shù),使得標記結(jié)節(jié)樣本數(shù)據(jù)的標簽以迭代的方式準確地傳播到未標記結(jié)節(jié)樣本數(shù)據(jù),從而提高了在小樣本情況下對肺結(jié)節(jié)良惡性分類的準確性。實驗結(jié)果表明,本文的算法對肺結(jié)節(jié)良惡性分類具有較高的準確率、敏感度及特異度,因此可以輔助醫(yī)生對肺結(jié)節(jié)良惡性進行鑒別診斷。然而,為了滿足臨床應(yīng)用,需要對分割和分類算法進行進一步優(yōu)化和改進。
【圖文】：

Fig. 1-2 Three types of pulmonary nodules所示；亞實性結(jié)節(jié)一般表現(xiàn)為邊界模糊程度較高、形態(tài)不規(guī)則程度較高等特性，，如圖1-2 （c）所示。隨著醫(yī)學(xué)影像學(xué)技術(shù)快速發(fā)展、醫(yī)學(xué)影像設(shè)備不斷更新?lián)Q代，加上人們生活水平日益提高、健康意識逐步加強，越來越多的人開始重視肺癌的篩查。在檢查中，一些人被檢查出肺部結(jié)節(jié)，有些人為此憂心忡忡，甚至懷疑自己患有肺癌。其實不然，肺結(jié)節(jié)有良性和惡性之分。良性結(jié)節(jié)患者只需要進一步定期對肺結(jié)節(jié)進行檢查。一般情況下，絕大多數(shù)微小結(jié)節(jié)和小結(jié)節(jié)都是良性的。但是，惡性結(jié)節(jié)患者需要盡早及時接受手術(shù)治療，才能有效地控制病情[7]。一旦發(fā)現(xiàn)肺結(jié)節(jié)，為了確診肺結(jié)節(jié)的良惡性，往往需要依靠一些侵入性檢查或開胸手術(shù)

a）原始的 CT 圖像 b）CEADF 濾波結(jié)果圖 2-2 CT 圖像的去噪結(jié)果Fig. 2-2 The denoising result of the CT image
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP391.7;R734.2

【相似文獻】

相關(guān)期刊論文 前10條

1 拓蓓瑜;楊衛(wèi)衛(wèi);;肺結(jié)節(jié)惡性風(fēng)險評估方法的研究進展[J];臨床誤診誤治;2019年02期

2 夏德剛;李傳文;王朝敏;蘇祥磊;;不典型肺結(jié)節(jié)病1例誤診分析及文獻復(fù)習(xí)[J];檢驗醫(yī)學(xué)與臨床;2019年08期

3 楊舒程;高上蘭;賈惠;;Ⅱ、Ⅲ、Ⅳ級肺結(jié)節(jié)病各一例[J];中華肺部疾病雜志(電子版);2017年01期

4 孫慧男;韓志海;;肺結(jié)節(jié)病的影像學(xué)表現(xiàn)[J];中國臨床醫(yī)生雜志;2017年10期

5 江文洋;陳蕾;范國華;康敢軍;黃杰;;肺結(jié)節(jié)病的研究進展[J];實用醫(yī)學(xué)雜志;2015年09期

6 周艷秋;田穎;吳迪;張楠;周云芝;王洪武;;巨噬細胞衍生趨化因子與肺結(jié)節(jié)病的相關(guān)性研究[J];中華臨床醫(yī)師雜志(電子版);2012年09期

7 趙明棟;夏偉;;肺結(jié)節(jié)病1例診治分析[J];中華肺部疾病雜志(電子版);2012年03期

8 周艷秋;田穎;山口悅朗;張楠;管潔;周云芝;王洪武;;巨噬細胞衍生趨化因子啟動區(qū)內(nèi)基因多態(tài)性和肺結(jié)節(jié)病的相關(guān)性研究[J];中華臨床醫(yī)師雜志(電子版);2012年24期

9 解艷麗;解衛(wèi)平;顏萍;黃茂;沈平;;肺結(jié)節(jié)病患者不同時期肺功能變化研究[J];臨床肺科雜志;2011年05期

10 鐘亞花;周燕娟;黃剛;;肺結(jié)節(jié)病誤診原因分析[J];臨床肺科雜志;2011年05期

相關(guān)會議論文 前10條

1 陸志偉;黃慧;張堅;徐作軍;;纖維支氣管鏡檢查在肺結(jié)節(jié)病診斷中的價值[A];中華醫(yī)學(xué)會第三屆全國間質(zhì)性肺病暨彌漫性泛細支氣管炎學(xué)術(shù)會議論文匯編[C];2010年

2 葉秋月;許文兵;劉曉清;張麗帆;;肺結(jié)節(jié)病與肺結(jié)核鑒別診斷的臨床分析[A];中華醫(yī)學(xué)會呼吸病學(xué)年會——2011（第十二次全國呼吸病學(xué)學(xué)術(shù)會議）論文匯編[C];2011年

3 姜偉;;肺結(jié)節(jié)病誤診為肺癌一例診治體會[A];中華醫(yī)學(xué)會呼吸病學(xué)年會——2011（第十二次全國呼吸病學(xué)學(xué)術(shù)會議）論文匯編[C];2011年

4 翁芳明;;16層螺旋CT在肺結(jié)節(jié)診斷中的應(yīng)用[A];2016年《中國醫(yī)院藥學(xué)雜志》學(xué)術(shù)年會論文集[C];2016年

5 王曉娟;安立;代華平;葉俏;徐莉莉;何璇;;以大量胸腔積液為表現(xiàn)的胸膜肺結(jié)節(jié)病三例報告并文獻復(fù)習(xí)[A];中華醫(yī)學(xué)會第三屆全國間質(zhì)性肺病暨彌漫性泛細支氣管炎學(xué)術(shù)會議論文匯編[C];2010年

6 鄧笑偉;王紅利;;肺結(jié)節(jié)病誤診肺轉(zhuǎn)移瘤1例分析[A];中華醫(yī)學(xué)會呼吸病學(xué)年會——2011（第十二次全國呼吸病學(xué)學(xué)術(shù)會議）論文匯編[C];2011年

7 殷芳;宋寧靜;陳佳;章楚光;樂嘉豫;;以四肢結(jié)節(jié)為首發(fā)的皮膚-肺結(jié)節(jié)病1例[A];2012全國中西醫(yī)結(jié)合皮膚性病學(xué)術(shù)會議論文匯編[C];2012年

8 王曉娟;安立;代華平;葉俏;徐莉莉;何璇;;以大量胸腔積液為表現(xiàn)的胸膜肺結(jié)節(jié)病3例報告并文獻復(fù)習(xí)[A];中華醫(yī)學(xué)會呼吸病學(xué)年會——2011（第十二次全國呼吸病學(xué)學(xué)術(shù)會議）論文匯編[C];2011年

9 劉敬禹;李博;裴奇;李振華;;肺結(jié)節(jié)病患者ADAM9低表達水平的研究[A];中華醫(yī)學(xué)會呼吸病學(xué)年會——2011（第十二次全國呼吸病學(xué)學(xué)術(shù)會議）論文匯編[C];2011年

10 金兒;王利民;夏俊波;陳灝;任振義;;胸部X線攝影術(shù)和HRCT診斷肺結(jié)節(jié)病的對比分析[A];2012年浙江省內(nèi)科學(xué)年會論文集[C];2012年

相關(guān)重要報紙文章 前2條

1 阿勝;治療原則“吐故納新”[N];醫(yī)藥經(jīng)濟報;2002年

2 常平;用愛心換取病人的放心[N];海南農(nóng)墾報;2007年

相關(guān)博士學(xué)位論文 前5條

1 王昌淼;基于胸部影像的肺結(jié)節(jié)檢測與分類關(guān)鍵技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院);2018年

2 李祥霞;惡性肺結(jié)節(jié)計算機輔助診斷關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2018年

3 魏國輝;基于CT影像的肺結(jié)節(jié)良惡性分類方法研究[D];東北大學(xué);2017年

4 邱實;基于格式塔原理的CT圖像肺結(jié)節(jié)檢測與分析算法[D];中國科學(xué)院大學(xué)(中國科學(xué)院西安光學(xué)精密機械研究所);2016年

5 劉佳寶;CT肺結(jié)節(jié)診斷的計算機輔助系統(tǒng)研究[D];首都醫(yī)科大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 高佳麗;胸部CT聯(lián)合血清腫瘤標志物在肺結(jié)節(jié)良惡性鑒別診斷的價值[D];鄭州大學(xué);2019年

2 苑丹丹;基于CT影像的肺結(jié)節(jié)檢測與提取方法的研究[D];天津工業(yè)大學(xué);2019年

3 盧興時;肺結(jié)節(jié)中肺結(jié)核瘤與肺癌鑒別診斷的臨床研究[D];安徽醫(yī)科大學(xué);2019年

4 張翠翠;基于深度學(xué)習(xí)的胸部CT影像肺結(jié)節(jié)計算機輔助診斷技術(shù)應(yīng)用研究[D];山東大學(xué);2019年

5 熊文碩;基于多分辨3D深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建肺結(jié)節(jié)良惡性預(yù)測模型研究[D];山東大學(xué);2019年

6 李啟;基于深度學(xué)習(xí)的肺結(jié)節(jié)圖像檢索研究與實現(xiàn)[D];中北大學(xué);2019年

7 吳杰芳;深度卷積網(wǎng)絡(luò)骨抑制成像（deepBSI）與多種影像方法對肺結(jié)節(jié)診斷效能的臨床研究[D];南方醫(yī)科大學(xué);2018年

8 楊凱強;基于深度學(xué)習(xí)算法對肺結(jié)節(jié)良惡性鑒別診斷研究[D];遵義醫(yī)學(xué)院;2018年

9 李想;解建國教授治療無明確手術(shù)指征的肺結(jié)節(jié)疾病經(jīng)驗探尋[D];大連醫(yī)科大學(xué);2018年

10 張婷;基于CT圖像的肺結(jié)節(jié)臨床診斷語義標注方法研究[D];湖南大學(xué);2018年

本文編號：2701285